做最后减少的策略

我正在尝试实现一个OpenCL版本来减少一个float数组。

为实现这一目标，我在网上找到了以下代码段：

__kernel void sumGPU ( __global const double *input, __global double *partialSums, __local double *localSums) { uint local_id = get_local_id(0); uint group_size = get_local_size(0); // Copy from global memory to local memory localSums[local_id] = input[get_global_id(0)]; // Loop for computing localSums for (uint stride = group_size/2; stride>0; stride /=2) { // Waiting for each 2x2 addition into given workgroup barrier(CLK_LOCAL_MEM_FENCE); // Divide WorkGroup into 2 parts and add elements 2 by 2 // between local_id and local_id + stride if (local_id < stride) localSums[local_id] += localSums[local_id + stride]; } // Write result into partialSums[nWorkGroups] if (local_id == 0) partialSums[get_group_id(0)] = localSums[0]; } 

这个内核代码运行良好，但我想通过添加每个工作组的所有部分和来计算最终总和。 目前，我通过简单的循环和迭代nWorkGroups CPU执行此步骤。

我还看到了另一个带有primefaces函数的解决方案，但似乎是针对int实现的，而不是浮点数。 我认为只有CUDA为float提供primefaces函数。

我还看到我可以执行另一个执行sum操作的内核代码但是我想避免这个解决方案以保持简单的可读源。 也许我离不开这个解决方案……

我必须告诉你，我在Radeon HD 7970 Tahiti 3GB上使用OpenCL 1.2 （由clinfo返回）（我认为我的卡不支持OpenCL 2.0）。

更一般地说，我想得到关于使用我的显卡模型和OpenCL 1.2执行最后一次总结的最简单方法的建议。

欢迎任何帮助，谢谢

Answer 1

如果该浮点数的数量级小于exa标度，那么：

代替

 if (local_id == 0) partialSums[get_group_id(0)] = localSums[0]; 

你可以用

 if (local_id == 0) { if(strategy==ATOMIC) { long integer_part=getIntegerPart(localSums[0]); atom_add (&totalSumIntegerPart[0] ,integer_part); long float_part=1000000*getFloatPart(localSums[0]); // 1000000 for saving meaningful 7 digits as integer atom_add (&totalSumFloatPart[0] ,float_part); } } 

这将溢出浮动部分所以当你在另一个内核中除以1000000时，它可能有超过1000000的值，所以你得到它的整数部分并将它添加到实际的整数部分：

  float value=0; if(strategy==ATOMIC) { float float_part=getFloatPart_(totalSumFloatPart[0]); float integer_part=getIntegerPart_(totalSumFloatPart[0]) + totalSumIntegerPart[0]; value=integer_part+float_part; } 

只需几个primefaces操作就不应该在整个内核时间内有效。

其中一些get___part可以使用地板和类似function轻松编写。 有些人需要除以1M。

Answer 2

对不起以前的代码。 它也有问题。

CLK_GLOBAL_MEM_FENCE仅影响当前工作组。 我很困惑。 = [

如果你想通过GPU减少总和，你应该在clFinish（commandQueue）之后通过NDRangeKernel函数将减少内核排入队列。

Plaese只是采取概念。

 __kernel void sumGPU ( __global const double *input, __global double *partialSums, __local double *localSums) { uint local_id = get_local_id(0); uint group_size = get_local_size(0); // Copy from global memory to local memory localSums[local_id] = input[get_global_id(0)]; // Loop for computing localSums for (uint stride = group_size/2; stride>0; stride /=2) { // Waiting for each 2x2 addition into given workgroup barrier(CLK_LOCAL_MEM_FENCE); // Divide WorkGroup into 2 parts and add elements 2 by 2 // between local_id and local_id + stride if (local_id < stride) localSums[local_id] += localSums[local_id + stride]; } // Write result into partialSums[nWorkGroups] if (local_id == 0) partialSums[get_group_id(0)] = localSums[0]; barrier(CLK_GLOBAL_MEM_FENCE); if(get_group_id(0)==0){ if(local_id < get_num_groups(0)){ // 16384 for(int n=0 ; n0;s/=2){ if(local_id < s) localSums[local_id] += localSums[local_id+s]; barrier(CLK_LOCAL_MEM_FENCE); } if(local_id == 0) partialSums[0] = localSums[0]; } } }